(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210546739.7 (22)申请日 2022.05.18 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 吕朝辉　罗涛　施佳子　于海燕　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 张琛 (51)Int.Cl. G06Q 40/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/02(2012.01) G06T 7/62(2017.01)G06T 7/73(2017.01) (54)发明名称 养殖业贷后监管方法、 装置、 设备和介质 (57)摘要 本发明提供了一种养殖业贷后监管方法， 可 以应用于 人工智能技术领域 或金融领域。 该方法 包括： 获取包含目标物的卫星遥感图像， 目标物 包含渔排； 基于卫星遥感图像以及预训练得到的 目标检测模 型对目标物进行检测识别， 获取与目 标物位姿相匹配的旋转目标框以及目标物数量， 其中， 预训练得到的目标检测模 型基于旋转目标 框改进的YOL Ov5模型训练得到； 基于旋转目标框 的坐标值获取目标物面积； 以及基于目标物面积 和目标物数量进行所述贷后监管， 其中， 贷后监 管包括基于预设时间周期内目标物数量变化量 和目标物 面积变化量触发贷后风险预警。 本发明 提供的方法提升了养殖业贷后监管的智能性和 科学性。 本发 明还提供了一种养殖业贷后监管装 置、 设备和介质。 权利要求书3页 说明书21页 附图19页 CN 114881763 A 2022.08.09 CN 114881763 A 1.一种养殖业贷后监管 方法， 其特 征在于， 包括： 获取包含目标物的卫星遥感图像， 其中， 所述目标物包 含渔排； 基于所述卫星遥感图像以及预训练得到的目标检测模型对所述目标物进行检测 识别， 获取与所述 目标物的位姿相匹配的旋转 目标框的坐标值以及目标物数量， 其中， 所述预训 练得到的目标检测模型根据基于 旋转目标框改进的YOLOv5模型训练得到； 基于所述旋转目标框的坐标值获取目标物面积， 其中， 所述基于所述旋转目标框的坐 标值获取目标物面积包括： 将旋转 目标框的坐标值转化为对应的经纬度数据， 所述经纬度 数据用于计算目标物面积； 以及 基于所述目标物面积和所述目标物数量进行贷后监管， 其中， 所述贷后监管包括基于 预设时间周期内目标物数量变化 量和目标物面积变化 量触发贷后风险预警。 2.根据权利要求1所述的方法， 其中， 所述基于所述卫星遥感图像以及预训练得到的目 标检测模型对所述目标物进行检测识别包括： 将预处理后的卫星遥感图像输入主干网络层， 获取渔排特征提取图像， 其中， 所述主干 网络层包含基于滑动窗口的深度自注意力网络， 所述渔排特征提取图像包含不同粒度聚合 的渔排特 征图像； 将所述渔排特征图像输入特征融合层， 获取渔排特征融合图像， 其中， 所述特征融合层 包含特征图金字塔网络和多孔空间金字塔池化网络； 以及 将所述渔排特征融合图像输入预测网络层， 获取渔排预测特征图像、 旋转目标框的坐 标值以及目标渔排数量， 其中， 所述渔排预测特征图像包含与渔排位姿相匹配的旋转 目标 框， 所述预测网络层 包含改进的边框锚定算法和改进的损失函数， 其中， 所述改进的边框锚 定算法包含基于角度参数改进的预测构造函数， 所述改进的损失函数包含基于角度差值和 目标框长宽比设置的损失函数权 重因子函数。 3.根据权利要求2所述的方法， 其中， 将所述渔排特征融合图像输入预测网络层， 获取 渔排预测特 征图像包括： 基于所述预测网络层中改进的边框锚定算法和改进的损失函数对渔排特征融合图像 进行处理， 获取初始旋转框， 其中， 所述基于角度参数改进的预测构 造函数基于长边定义法 结合环形平 滑标签设定， 所述初始旋转框包 含重叠和/或交叉的旋转标注框； 以及 基于旋转标注框得分以及重叠面积对所述初始旋转框进行筛选， 获取与 渔排位姿相匹 配的旋转目标框， 并获取旋转目标框的坐标值以及目标 渔排数量。 4.根据权利要求3所述的方法， 其中， 所述基于旋转标注框得分以及重叠面积对所述初 始旋转框进行筛 选包括： 判断第i个旋转标注框得分是否大于或等于预设的阈值， 其中， i为大于或等于1的整 数； 当第k个旋转标注框得分大于或等于预设的阈值时， 计算所述第 k个旋转目标框与第k+ 1个或第k ‑1个旋转目标框的重叠面积比值， 其中， 第k个旋转目标框与第k +1个或第k ‑1个旋 转目标框 重叠或交叉， k满足 1≤k≤i； 以及 基于所述重叠面积比值， 第k个旋转标注框得分以及第k+1个或第k ‑1个旋转标注框得 分筛选保留的旋转标注框 。 5.根据权利要求1所述的方法， 其中， 所述预训练得到的目标检测模型根据基于旋转目权　利　要　求　书 1/3 页 2 CN 114881763 A 2标框改进的YOLOv5模型训练得到， 包括： 获取第一训练数据集， 所述第一训练数据集包含q张包含目标物的卫星遥感图像， 其 中， q为大于或等于2的整数； 对所述q张包 含目标物的卫星遥感图像进行 人工标注； 将人工标注后的q张包含目标物的卫星遥感图像进行数据增强， 获取p张包含目标物的 卫星遥感图像， 所述p张包含目标物的卫星遥感图像构成第二训练数据集， 其中， p取值为q 的预先设定的倍数； 将第二训练数据集中的包含目标物的卫星遥感图像裁剪成预设尺寸的输入图像， 其 中， 相邻区域的输入图像具有 预设比值的重叠区域， 所述预设比值满足1/5≤预设比值≤2/ 3； 将所述输入图像输入至待训练的目标检测模型， 获取训练渔排预测特 征图像； 以及 基于所述训练渔排预测特征图像和训练渔排位姿标签对所述待训练的目标检测模型 参数进行 更新， 直至 达到预设的训练截止条件。 6.根据权利要求5所述的方法， 其中， 所述将所述输入图像输入至待训练 的目标检测模 型， 获取训练渔排预测特 征图像包括： 将所述输入图像输入主干网络层， 获取训练渔排特征提取图像， 其中， 所述主干网络层 包含基于滑动窗口的深度自注意力网络， 所述训练渔排特征提取图像包含不同粒度聚合的 训练渔排特 征图像； 将所述训练渔排特征图像输入特征融合层， 获取训练渔排特征融合图像， 其中， 所述特 征融合层包 含特征图金字塔网络和多孔空间金字塔池化网络； 以及 将所述训练渔排特征融合图像输入预测网络层， 获取训练渔排预测特征图像、 旋转目 标框的坐标值以及目标渔排数量， 其中， 所述渔排预测特征图像包含与渔排位姿相匹配的 旋转目标框 。 7.根据权利要求6所述的方法， 其中， 所述待训练的目标检测模型包含改进的损失函 数， 其中， 所述改进的损失函数包 含基于角度差值和边框 长宽比设置的损失函数权 重因子， 其中， 所述预测网络层中的构造函数包含基于长边定义法结合环形平滑标签的角度参 数， 所述预测网络层中的损失函数包含基于角度差值和边框长宽比设置的损失函数权重因 子， 其中， 所述角度差值 为渔排实际角度和模型 预测角度的差值。 8.根据权利要求1所述的方法， 其中， 所述基于预设时间周期内目标物数量变化量和目 标物面积变化 量触发贷后风险预警包括： 获取第一时点下待监管区域的第一目标物数量和第一目标物面积； 基于预设的监管周期获取第二时点下待监管区域的第二目标物数量和第二目标物面 积； 计算第二目标物数量与第 一目标物数量之间的第 一变化量， 以及第 二目标物面积和第 一目标物面积之间的第二变化 量； 以及 当所述第 一变化量大于第 一阈值， 和/或所述第 二变化量大于第二阈值 时， 触发贷后风 险预警， 其中， 所述第一变化 量和第二变化 量相同或不同。 9.一种养殖业贷后监管装置， 其特 征在于， 包括： 获取模块， 配置为获取包 含目标物的卫星遥感图像， 其中， 所述目标物包 含渔排；权　利　要　求　书 2/3 页 3 CN 114881763 A 3